买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京大学申请的专利基于大规模语言-图像模型引导的3D自监督预训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116681107B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310708348.5，技术领域涉及：G06N3/0455；该发明授权基于大规模语言-图像模型引导的3D自监督预训练方法是由王勇涛;林志威;汤帜设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本基于大规模语言-图像模型引导的3D自监督预训练方法在说明书摘要公布了：本发明公开一种基于大规模语言‑图像模型引导的3D自监督预训练方法，属于计算机视觉技术领域。本发明将大规模语言‑图像模型的语义理解能力和多模态处理能力作为指导目标，将3D网络特征与大规模语言‑图像模型的特征空间用对比学习进行对齐。此外，利用图像掩码的方式，采用3D特征和语言描述，对掩码后的图像进行重建，从而使得3D网络能够学习到与大规模语言‑图像模型相同的通用的LiDAR点云表征。在实际应用中，训练得到的具有强表征能力的网络能够被应用在多种自动驾驶的下游任务中，包括但不限于3D目标检测、3D实例分割、语义分割等任务，可以加速模型在下游任务训练时的收敛速度，同时提高网络性能。

本发明授权基于大规模语言-图像模型引导的3D自监督预训练方法在权利要求书中公布了：1.一种基于大规模语言‑图像模型引导的3D自监督预训练方法，其步骤包括： 1根据所需要的任务，选择针对LiDAR点云输入的骨干网络和大规模语言‑图像模型； 2构建多模态数据增广策略； 3构建LiDAR‑图像‑文本对，将自动驾驶的原始图像数据输入到大规模语言‑图像模型中，获得对图像的多种语言描述； 4将自动驾驶数据输入到步骤2中的多模态数据增广策略中，得到增广后的数据，将LiDAR数据输入到步骤1中的点云骨干网络，将图像数据输入到大规模语言‑图像模型的图像编码器中，将文本数据输入到大规模语言‑图像模型的文本编码器中， LiDAR骨干网络的输出记为，图像编码器的输出记为，文本编码器的输出记为； 5随机对图像进行掩码操作，将掩码后的图像输入到大规模语言‑图像模型的图像编码器中，得到掩码图像的特征表示； 6多模态特征对比学习，将对齐文本和图像两个模态的特征作为正样本，非对齐的特征作为负样本，对LiDAR特征进行对比学习； 7将LiDAR特征和文本特征作为提示词或增强特征，与步骤5中的掩码图像特征一起输入到生成模型的图像解码器中，重建图像的掩码内容。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京大学，其通讯地址为：100871 北京市海淀区颐和园路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。